Few Shots Prompting
Definiție
Few Shots Prompting (sau Few Shot Learning) este o tehnică în care furnizezi modelului câteva exemple de input-output înainte de a-i cere să proceseze un input nou.
Structura Pattern-ului
[Exemplu 1: Input → Output]
[Exemplu 2: Input → Output]
[Exemplu 3: Input → Output]
...
[Input nou]
[Output: ?]
Exemplu: Clasificare sentiment
Input: The movie was good but a bit too long
Sentiment: Neutral
Input: I didn't really like this book, it lacked important
details and didn't end up making sense
Sentiment: Negative
Input: I loved this book, it was really helpful in learning
how to improve my gut health
Sentiment: Positive
Input: I wasn't sure what to think of this new restaurant,
the service was slow, but the dishes were pretty good
Sentiment:
Rezultat așteptat:
Sentiment: Neutral
Exemplu: Raționament matematic
The odd numbers in this group add up to an even number: 4, 8, 9, 15, 12, 2, 1.
A: The answer is False.
The odd numbers in this group add up to an even number: 17, 10, 19, 4, 8, 12, 24.
A: The answer is True.
The odd numbers in this group add up to an even number: 16, 11, 14, 4, 8, 13, 24.
A: The answer is True.
The odd numbers in this group add up to an even number: 17, 9, 10, 12, 13, 4, 2.
A: The answer is False.
The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1.
A:
Ce învață modelul din exemple:
- Formatul răspunsului (True/False)
- Pattern-ul de raționament
- Sarcina exactă (suma numerelor impare)
Câte exemple să folosești?
| Număr | Denumire | Când să folosești |
|---|---|---|
| 0 | Zero Shot | Sarcini simple, standard |
| 1-2 | One/Two Shot | Sarcini clare, format specific |
| 3-5 | Few Shot | Echilibru precizie/tokeni |
| 5+ | Many Shot | Sarcini complexe, precizie maximă |
De ce funcționează?
In-context learning:
Modelul învață din context pattern-ul dorit:
- Analizează exemplele
- Extrage regula implicită
- Aplică regula la input nou
Avantaje față de Zero Shot:
| Zero Shot | Few Shot |
|---|---|
| Bazat pe cunoștințe generale | Ghidat de exemple specifice |
| Format imprevizibil | Format consistent |
| Poate rata nuanțe | Captează nuanțe din exemple |
Bune practici pentru exemple
1. Diversitate
- Include exemple din categorii diferite
- Acoperă cazuri limită
2. Consistență
- Folosește același format pentru toate exemplele
- Menține stilul constant
3. Relevanță
- Exemplele să fie similare cu input-ul real
- Evită exemple confuze sau ambigue
4. Ordine
- Plasează exemplele în ordine logică
- Ultima exemplu să fie cel mai relevant
Variații avansate
Few Shot cu explicații:
Input: 4, 8, 9, 15
A: Odd numbers are 9, 15. Sum = 24 (even). Answer: True.
Input: 3, 7, 2
A:
Few Shot cu contra-exemple:
Good review: "Amazing product!" → Positive
Bad review: "Terrible experience" → Negative
Neutral review: "It's okay" → Neutral
Confusing but actually positive: "Not bad at all!" → Positive
Review: "Could have been worse"
Sentiment:
Limitări
- Consum de tokeni - exemplele ocupă din context
- Bias - exemplele pot introduce bias
- Overfitting - modelul poate copia prea literal
- Selecție - alegerea exemplelor afectează rezultatul
De reținut
Few Shots Prompting este una dintre cele mai eficiente tehnici pentru a ghida modelul către output-ul dorit. Calitatea și diversitatea exemplelor sunt critice pentru succes.
Întrebări de verificare
- Care este diferența principală între Zero Shots și Few Shots?
- Câte exemple sunt suficiente pentru Few Shots?
- Ce caracteristici trebuie să aibă exemplele bune?
- Care sunt limitările Few Shots Prompting?